基于机器视觉的瓶口缺陷检测方法研究

在基于机器视觉的啤酒瓶口质量检测过程中,由于部分瓶口图像中缺陷灰度值变化范围大、边缘区域的干扰多,传统方法难以实现瓶口缺陷快速、准确检测。为此,分析总结各类瓶口缺陷特征,提出基于随机圆评估的三圆周定位法,以提高抗干扰能力和定位精度,并提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法,克服灰度变化和瓶口缺失对检测结果的影响。对90幅图像测试,与5种瓶口缺陷检测法对比,结果显示:执行时间为117.33 ms,与效果最好的SVM算法相比,检测正确率提高了2.22%,可实现强干扰、大缺陷的瓶口图像中缺陷快速、准确定位和检测。     

基于机器视觉的啤酒瓶口缺陷检测分类方法研究

针对目前国内玻璃空瓶机器视觉检测系统存在瓶口缺陷分类检测精度不高的问题,提出一种基于机器视觉的可靠的检测方法。首先选取封盖面缺口、外环口崩口、口缘毛刺、口面磨损、内环口崩口、封盖面破裂等6种常见缺陷类型作为分类目标,研究6种常见瓶口缺陷类型图像的表面特征,提出以灰度方差等6种瓶口的缺陷特征构成支持向量机(SVM)分类算法的输入向量,并择优选择径向基(RBF)函数作为SVM分类器的核函数,然后根据瓶口缺陷的分类性质选择多类分类方式中的一类对余类法(OVR)设计相应的SVM。最后,每种缺陷都选取80个样本对所设计SVM分类器进行训练学习与测试。测试结果表明:设计的SVM分类器能较精准地检测出6种常见的瓶口缺陷类型,识别率为91.6%,满足生产企业对机器视觉检测系统缺陷分类识别的要求。     

基于POBT的空瓶规则纹路区域缺陷检测

现有的玻璃瓶瓶身质量检测方法中,缺乏对有纹理图案的玻璃瓶的缺陷检测,针对这一问题,提出一了种仅基于相位变换(phase only based transition,POBT)的玻璃瓶纹理区域缺陷检测算法。该算法采用基于灰度投影的方法求取玻璃瓶瓶身中心坐标,利用基于相位的变换方法,通过归一化过程去除玻璃瓶规则纹路区域的低频纹路分量,仅保留下缺陷图像,应用概率修正自适应阈值分割方法对经过POBT变换后去除纹理留下的缺陷的图像进行分割,提取缺陷,并将该分割方法与3种传统型的方法进行对比。实验结果表明,该方法可实现瓶身规则纹路区域的高速高精度缺陷检测。     

基于机器视觉的铁路货车滚动轴承表面缺陷检测

针对目前轴承缺陷检测操作复杂、速度慢、精确度低等缺点,利用数字图像处理技术,设计出基于CCD成像技术的轴承缺陷非接触在线检测系统,讨论了系统中灯光、摄像机的安装位置对成像的影响,提出利用图像特征的麻点的检测方法,该系统能对麻点缺陷进行识别,对缺陷的区域进行测定。现场测试表明,系统操作简单、速度快、精确度高、为轴承缺陷检测提供了一种新方法。     

基于机器视觉的缺陷检测应用综述

针对工业生产过程中缺陷检测的必要性以及传统人工缺陷检测的缺点,研究了基于机器视觉的缺陷检测技术,阐述了典型的机器视觉检测系统的组成,分析了国内外机器视觉缺陷检测技术的应用现状,展望了机器视觉缺陷检测技术的发展趋势,并指出不断优化算法,提高图像处理算法的准确性与鲁棒性,使检测系统更加智能化,是需要不断努力的方向。     

基于阈值差分的绝缘子缺陷识别算法

为了准确识别出绝缘子缺陷,防止绝缘子破损导致输电线路不能正常运行的问题,提出基于阈值差分的绝缘子缺陷识别算法。首先对图像进行预处理,然后进行自适应阈值分割完成图像二值化,通过形态学处理消除琐碎区域,使用边缘检测算子提取绝缘子边缘。将故障绝缘子与正常绝缘子作差提取缺陷图,依据缺陷像素大小与阈值的关系判断绝缘子的破损情况。将缺陷图二值化后使用矩形框标定。实验结果表明所提出的算法对绝缘子缺陷识别具有一定现实意义。     

基于改进局部阈值分割的绝缘毯表面微缺陷的无损智能评估方法北大核心CSCD

软质绝缘遮蔽用具的表面缺陷对其绝缘性能和使用寿命有重要影响,为解决人工检测漏检、误检率高的问题,文中提出基于机器视觉的绝缘毯表面微缺陷智能无损检测方法。针对不同环境下图像特点,选取改进Sauvola算法对图像进行局部阈值分割,结合形态学操作提取特征,实现表面微缺陷的识别;通过搭建沿面放电试验平台获取不同微缺陷对其沿面放电的影响,采用皮尔逊相关性系数分析了微缺陷的单个最大缺陷面积比和全部缺陷面积比与绝缘毯表面放电电压之间的相关性。结果表明:文中方法识别准确率95.3%,单次检测时间0.53 s,提升了检测准确性与效率;单个缺陷面积的大小与闪络电压呈负相关且为极强相关,单个缺陷越大沿面闪络电压下降越多,沿面闪络电压平均下降5%~22%,验证了识别结果的有效性,可为绝缘毯的现场外观检测提供依据。     

基于机器视觉的风机叶片缺陷检测

针对风机叶片缺陷难以检测的问题,提出一种基于机器视觉的风机叶片缺陷检测方法.首先,使用非局部均值方法去除图像中的背景噪声,同时平滑缺陷边缘;其次,使用自适应对比度增强方法进行图像增强,提升图像的整体质量;然后使用双阈值 OTSU 大津法分割增强后的图像,提取得到缺陷区域;最后,使用 Canny算子和形态学 变换对缺陷区域进行边缘检测,得到缺陷区域定位.试验结果表明,该算法具有一定的有效性和准确性.     

基于卷积神经网络的苹果缺陷检测算法

苹果的外观是评价苹果品质的重要特征.由于苹果的果萼与果梗的影响,机器视觉技术检测苹果的外观缺陷一直是研究的难点,提出了基于卷积神经网络(CNN)的苹果分块缺陷检测算法.首先改进了一种基于RGB彩色分量算术运算的背景分割算法;然后采用64×64步长为32的窗口对前景进行分块处理,以正常、果萼、果梗、边界图像块为正样本,以腐烂、疤痕、虫伤等缺陷统一为负样本,采用渐进式学习方法确定训练样本数目.正常与缺陷苹果各150个作为测试数据.实验结果表明,该算法的检测速度为5个/s,且正确率高达97.3％.     

空瓶检测机器人瓶底缺陷检测方法研究

针对当前瓶底圆心定位方法精度不高、瓶底防滑纹区域缺陷易误检等问题,利用瓶底防滑纹的几何特征,提出一种改进的基于变权重随机圆拟合的瓶底定位算法,首先采用重心法对瓶底圆心进行快速预定位,再采用变权重随机圆拟合法实现瓶底精定位。然后检测瓶底图像疑似缺陷区域,并提取区域面积、轮廓长度、圆形度、灰度方差和灰度均值等特征,采用支持向量机算法进行分类决策,检测出缺陷。实验表明,瓶底定位误差小于6个像素,缺陷检测准确率为92.7%,基本满足实际生产精度的要求。     

基于机器视觉的闭气塞表面缺陷自动检测系统

设计了一种针对微小零件闭气塞的表面缺陷自动检测系统.该系统采用自动控制技术实现闭气塞的上料、排序、搬运、定位和正废品分离,采用图像采集和处理技术实现缺陷的自动识别与分类.选择快速图像匹配算法快速定位目标零件在图像中的位置,把目标零件和无缺陷的标准模板图像减影获得缺陷图像,以缺陷的几何特征和统计特征获得缺陷的类型.实验结...     

一种改进的印刷丝网布疵点快速检测算法

为提高印刷丝网布疵点检测的速度和准确性,提出了一种基于傅里叶变换和改进阈值分割的印刷丝网布疵点的检测算法。以无图案的印刷丝网布为研究对象,首先对采集到的印刷丝网布图像进行傅里叶变换,得到印刷丝网布图像的频谱图;然后利用Butterworth低通滤波器对频谱图像进行滤波,滤除傅里叶空间的高频分量;最后对逆变换得到的滤波图像进行改进的迭代法阈值分割,从而实现印刷丝网布的疵点检测。实验结果表明,该算法能够实现脏污、划痕、飞丝、破洞等常见疵点的快速准确检测。     

基于机器视觉的PCB板电解电容极性自动定位

现有电解电容极性检测通常分为内圆检测和极性检测两步流程。现有基于GHT的检测方法在内圆亮度非常接近外部时,无法准确定位内圆;基于滑动窗口平滑度的极性检测方法没有考虑极性区域亮度低、噪声大以及非极性区域存在高亮污染这三种情况,应用范围有限。针对现有方法不足,本文首先提出了基于超像素聚类分割的内圆检测方法,同时考虑了图像超像素间的亮度和位置关系,实现了对电解电容内圆的精确定位,算法稳定性能好,精度高。在内圆检测基础上,本文提出基于滑动窗口灰度均值和标准差峰谷值的电容极性检测方法,可实现复杂情况下的极性定位。相对现有算法,本文算法不依赖人工标记极性方向,可实现全自动化检测。目前该算法的测试准确率为98.6%,单张图像的平均检测时间为192ms±23ms,且已投入工厂使用,效果良好。     

密封橡胶圈缺陷检测算法的研究

密封橡胶圈的缺陷检测主要是靠人工目测,不能满足现代制造业的要求。提出一种基于机器视觉的密封橡胶圈产品缺陷的检测方法。首先通过图像采集装置获取图像,然后利用改进中值滤波对图像去噪,再对滤波后的图像进行Canny边缘检测,最后应用数学形态学膨胀操作突显缺陷,使得缺陷更清晰突出。该方法相比较传统的检测方法,具有非接触、可在线、客观、自动化等突出优点,适合现代制造业的产品检测。     

基于改进YOLOv4的锂电池缺陷检测方法

针对传统方法检测锂电池表面缺陷精度低、速度慢的问题,提出一种改进的YOLOv4算法。首先,在 CSPDarknet-53 骨干网络中使用空洞卷积代替传统卷积,提高了对不同尺度缺陷的检测。其次,将通道注意力机制插入到颈部网络中,自适应地选择一维卷积核的大小,降低模型的复杂度和计算量。最后,在分类和边界框回归中融合条件卷积来提高网络性能,并扩大数据集以解决由于缺陷样本太少而导致的网络训练过拟合问题。实验结果表明,改进后的YOLOv4算法可以有效检测锂电池表面缺陷并提高对于缺陷的识别和定位能力。改进算法的平均精度均值为93.46%,相较原算法提高了3.03%。